Palantir的逆袭与核心壁垒 - 公司股价从2022年底/2023年初低于6美元的历史低位绝地反击，暴涨超30倍，在2025年创下207.52美元的历史最高价，市值一度逼近5000亿美元 [4] - 即便经历回调，当前市值仍超3600亿美元，上市以来累计涨幅近15倍 [5] - 公司成功颠覆市场对To G（政府）业务的偏见，实现To G和To B（商业）“两条腿走路”，2025年To B收入占比高达46%，成为新的核心增长引擎 [6] - 公司构筑了三大核心壁垒：**本体论（Ontology）**、**AIP（人工智能平台）** 和 **FDE（前沿部署工程师）模式**，形成了极高的客户粘性，2025年第四季度净美元留存率（NDR）达到139% [7][9][19][26][31] 核心壁垒一：本体论（Ontology） - 本体论是公司的核心技术方法论，源于早期服务军政场景，旨在用一套统一的语义与模型，将异构数据打通、定义并关联，形成清晰的“作战地图” [9] - 在军政场景中，公司打磨出对顶尖技术和数据安全的极致要求，其推理框架具有高度透明性，与主流大模型的“黑箱式”推理不同 [10] - 这套方法论被成功复制到商业市场，通过语义模型统一不同部门对业务概念的定义，为智能决策奠定基础 [16] 核心壁垒二：AIP（人工智能平台）引爆增长 - 2023年4月发布的AIP是公司股价和To B业务爆发的关键转折点，帮助其撕掉“国防股”标签 [19][21] - AIP将存量产品Gotham和Foundry与生成式AI结合，升级为企业AI操作系统，并将部署周期从数月甚至数年压缩到几天，解决了大模型落地慢、难复用的痛点 [23] - 与英伟达的强强联合进一步推高市场情绪，公司股价在2025年11月3日盘中创下207.52美元的历史新高 [24] - AIP显著拉动商业化，公司营收增速在2025年大幅攀升至56%，第四季度整体营收同比增长70%，美国商业收入同比暴涨137% [24][25] 核心壁垒三：FDE（前沿部署工程师）模式与高毛利 - FDE模式脱胎于早期To G业务，核心是“先定制化落地、后产品化沉淀”的闭环，解决了从软件到客户场景的“最后三公里”问题 [26][27] - 该模式用一次性的高固定成本投入，撬动长期趋近于零的边际成本，使得公司毛利率常年维持高位，2025年毛利率高达82%，第四季度超84% [28] - 公司本质是“卖平台”而非“卖人头”，FDE模式结合了咨询和交付能力，在美国软件行业中独具优势 [29] - 公司大量吸纳从客户方出来的行业专家，首先提供的是业务专家，其次才是IT人员，实现了行业know-how与IT技术的优质匹配 [30] 商业模式与市场表现 - 公司坚持服务金字塔尖的大客户，采取重型交付模式，2025年前二十大客户平均收入达9390万美元，合计贡献约42%的营收 [18] - 政府业务是公司的“压舱石”，2025年贡献54%的营收，并与美国联邦政府部门深度绑定，例如与美国陆军签署了价值上限达100亿美元的10年期协议 [11][12] - 商业业务增长迅猛，2025年收入达20.73亿美元，同比增长60%，其中美国大企业相关收入同比大增109%至14.65亿美元 [15] - 公司早期奉行“反销售”文化，后期为推广To B产品才组建销售团队，但其核心销售逻辑仍是依靠产品实战效果和客户口碑实现转化 [32][33] 中国厂商的对标尝试与挑战 - Palantir的成功在硅谷和国内市场引发“Palantir化”热潮，第四范式、明略科技、滴普科技等厂商纷纷对标研究 [7][36] - 业内人士认为有三类玩家有潜力：业务逻辑相似的数据智能/AI决策厂商（如第四范式、明略科技）；聚焦军工+AI的To G厂商（如靖安科技）；以及拥有资源和组织能力的大厂（如华为、百度） [37] 挑战一：偏保守务实的技术路线 - 国内B端市场普遍认为软件不值钱，采购以硬件为主导，导致厂商缺乏打磨顶尖软件技术的场景 [40] - 客户求稳，不希望AI在核心业务中随意泛化和接管，更愿其扮演辅助角色，使得厂商技术路线偏保守 [41] - 国内大模型项目大多仍处于概念验证阶段，主要受限于准确性（“幻觉”问题）以及相对谨慎的投资理念 [44] - 许多厂商存在历史技术包袱，难以完全抛弃原有技术体系（如机器学习）向大模型架构转型 [45] 挑战二：数据治理是块“硬骨头” - 与美国数据基建完善不同，国内厂商需处理各种“脏数据”，数据碎片化严重，治理难度更大 [48] - 国内企业数据基建水平参差不齐，部署环境多样（本地、云、开源、自研），且企业不愿投入高成本、长周期进行数据基建 [50] - 数据治理还涉及复杂的组织变革和跨部门协调，挑战巨大 [51] - Palantir“自下而上”（先治理数据再应用）的模式在国内难以落地，客户更希望直接看到业务增长，因此明略科技等厂商转向“自上而下”（先用Agent解决问题，再带动数据治理）的策略 [52][53] 挑战三：FDE模式难在国内跑通 - 中国B端市场客单价和毛利率远低于美国，单纯依靠大量人力交付的FDE模式很难形成可盈利的规模化商业模式 [54][55] - 国内缺乏像Palantir那样以咨询和现场部署为主的巨额订单（如10亿美元级别）来支撑高成本的专家团队 [55] - 国内软件行业“重交付、轻咨询”，大部分厂商不具备咨询能力，例如第四范式虽交付能力强，但项目依赖人力外包且毛利率仅30%多 [57] - 为应对挑战，明略科技等厂商正探索让AI Agent承担更多交付工作，以降低成本和提升效率 [56] 内部考验：长期主义与资源瓶颈 - 国内厂商更倾向于快速商业变现，缺乏像Palantir那样近20年亏损投入的长期主义战略定力 [59][61] - 算力、资金、人才构成三重瓶颈：国产算力生态有待协同；厂商普遍“穷”，投入不足；既懂AI又懂业务的复合型人才非常稀缺 [61][63][64][65]

文章核心观点 - 当前市场上许多通用大模型在金融投研领域的应用仍处于“玩具”或“Demo”级别，距离生产力级别尚有距离 [12] - 专业、垂直的AI投研工具通过深耕场景、治理数据、构建闭环生态，能够有效提效降噪、捕捉投资信号，并放大而非替代人类分析师的价值 [4][5][6] - 进门财经作为AI投研领域的代表，其发展路径和产品逻辑揭示了AI在专业领域的应用方向：从过程交付转向结果交付，从服务人类交互转向优先适配AI原生能力 [14][40] 根据相关目录分别进行总结 通用AI与垂直AI投研工具的对比 - 通用AI（如OpenClaw、Manus）在投研领域存在局限：缺乏权威金融数据源、不懂投研范式、难以深度嵌入全流程，且早期版本操作繁琐、门槛高 [8][11] - 垂直AI投研工具（如进门）拥有通用AI无法替代的壁垒：聚焦金融场景的数据基座、专业逻辑、安全风控以及工作流与决策闭环 [11] - 生产力级别的投研AI对数据准确度和颗粒度要求极高，与市场上“玩具”级别的应用有本质区别，如同“军品与民品” [12] 进门财经的商业模式与生态构建 - 公司以沟通场景为基础，构建了上市公司、券商研究所、专业投资者三大群体的闭环生态 [5] - 已累计服务超过3100家上市公司、74家券商研究所及300多万专业投资者，并于2023年获得腾讯战投 [4] - 核心产品“AI进宝”已从助手进化为“数字研究员”，通过12个Agent、投研大脑及“投研龙虾”任务模式处理高频投研任务 [4][11] 数据治理与信号捕捉 - 投资的本质被归结为两层：数据治理与信号捕捉，高质量、治理后的数据是减少AI幻觉、获得可靠洞察的基础 [16][17] - 公司治理两大类数据：从沟通场景沉淀的动态信息（如路演、调研）以及外购的静态数据（财报、行情等） [17] - 通过数据治理推出了《进门内参》（一日三更）、事件信号等能力，帮助用户快速精确捕捉信号 [17] 从沟通场景切入的AI产品矩阵 - 选择沟通场景的原因：金融领域高频、信息富矿、存在信息差、信息反馈快，且具备天然的双边市场效应 [21] - AI产品矩阵围绕会议全流程：会前自动梳理资料，会中AI辅助问答，会后通过调优的金融转写模型自动生成纪要、提炼要点 [24] - 通过AI转写、AI会议托管、AI翻译及自研智能硬件（Finnote AI小饼干录音机）等工具，提高信息处理效率与密度，并延伸至线下场景 [6][25] AI时代下人类分析师的价值 - AI能替代分析师的部分例行工作（如会议纪要、简单总结、PPT制作），但无法替代人类的思考、提问及与非共识性判断的能力 [33] - 现实市场并非100%有效，存在信息孤岛、小样本、传播延迟等问题，AI无法完全捕捉所有市场“漏洞和机会”，这恰恰是人类分析师的机会 [4][35] - 公司的“思维链”功能旨在将人类研究员的思考过程结构化，高水平研究人员的思维链未来可作为付费订阅的知识产品进行商业化 [30][34][38] 产品设计逻辑的范式转移 - 软件设计逻辑正从“人类交互优先”转向“AI原生能力优先”，底层架构、数据接口首要适配AI Agent的自动化调用 [40] - 未来趋势是人机协同，AI作为首要执行者，人类负责掌控判断、创意与关键决策，只需将思维链表达出来由AI组合执行 [40] - 金融行业用户习惯改变需要过程，因此产品保留了部分图形界面作为过渡，但最终希望收归至AI对话框处理 [42] 技术实现与成本考量 - 公司定位为应用型公司，不自主研发基座大模型，而是采用大小模型耦合的策略，根据不同任务选用不同模型 [47] - 通过工程方法（如上下文感知、异构信息动态检索、递归式假设验证）来保证AI能像顶级分析师一样思考，并处理海量信息 [44] - Token消耗成本在可承受范围内，出于安全考虑主要使用国内模型，个别部分在保障安全基础上考虑用境外模型提升性能 [47]

文章核心观点 - 2026年英伟达GTC大会揭示了AI算力产业正迎来技术与产业的双重变革浪潮，英伟达正从芯片企业向AI基础设施工厂深度蜕变 [2] - 在此背景下，深耕推理市场的中国算力产业链正站在发展的关键十字路口，面临挑战与机遇 [2] - 文章旨在通过一场专题圆桌对话，深度拆解GTC 2026的核心技术突破，并探讨中国算力产业链的应对之策与发展机遇 [2][17] 核心议题与嘉宾阵容 - 圆桌对话将紧扣GTC 2026最新动态，聚焦芯片、机架、模型与应用三大核心层面 [17] - 对话将拆解英伟达技术布局背后的战略意图，并探讨中国算力的发展机遇 [17] - 嘉宾阵容包括： - 徐凌杰：魔形智能CEO，拥有NVIDIA、AMD、阿里云及壁仞科技的从业背景 [19][20] - 罗彤：芯动科技首席技术官，拥有20余年半导体行业全链条经验 [22] - 刘昊飞：盛景嘉成创投创始合伙人，深耕硬科技、AI、半导体投资 [24] 圆桌对话具体探讨方向 - **GTC大会核心洞察**：探讨GTC 2026带来的最强烈产业感受，以及将重塑AI算力行业格局的技术与布局 [19] - **芯片层面**：分析英伟达Vera Rubin平台引入LPU（语言处理单元）欲解决的问题，以及国内公司跟进的可行性 [19] - **机架层面**：剖析英伟达力推机架级方案的意图，及其对中国服务器和配套产业链的影响 [19] - **模型与应用层面**：解读英伟达开源Nemotron模型、推出硬件无关的NemoClaw背后的软件生态战略意图 [19] - **趋势展望**：展望中国算力产业链最具确定性的机遇所在 [19]

AI与开源模型 - 日本乐天集团发布号称“国内最大规模”的AI模型Rakuten AI 3.0，但被技术社区发现其核心架构完全照搬中国深度求索的开源模型DeepSeek V3，其配置文件明确标注为“DeepseekV3ForCausalLM”，总参数671B，激活参数37B，与DeepSeek-V3毫无二致[4] - 该事件演变为丑闻的关键在于乐天在宣传时模糊处理，仅称“充分利用开源社区最优成果”，未提及DeepSeek，并在开源时删除了MIT开源协议文件，违背开源精神，被日本网友嘲讽为“伪国产AI”[5] - 日媒报道指出，日本企业开发的前十大AI模型中，有6个是基于DeepSeek或Qwen进行的二次开发[5] 腾讯控股业绩与运营 - 公司2025年第四季度营业收入1943.71亿元，同比增长13%；归母净利润582.6亿元，同比增长14%[6] - 2025年全年营业收入7517.66亿元，同比增长14%；归母净利润2248.42亿元，同比增长16%[6] - 截至2025年底，微信及WeChat合并月活账户数14.18亿，同比增长2%；QQ移动终端月活5.08亿，同比减少3%；收费增值服务订阅会员数2.67亿，同比增长2%[7] - 腾讯云在AI需求增长等因素带动下于2025年实现规模化盈利，HY 3.0大模型正在内部测试，计划4月对外推出[7] - 截至2025年底，公司员工总数115,849名，年度总薪酬成本1307亿元，人均年薪成本约为112.8万元[7] 汽车行业动态 - 吉利集团高级副总裁确认，董明珠个人订购3辆极氪009，连同下属员工等合计订购9辆，按大客户优惠政策采购[7][8] - 极氪009在多个市场登顶细分市场销量榜首，董明珠的选择被视为国产豪车在顶层消费市场欢迎度走高的信号[8] - 奇瑞汽车发布2025年全年业绩，营收首次突破3000亿元，达3002.87亿元，同比增长11.3%；年内利润195.07亿元，同比增长36.1%[35] - 奇瑞2025年自主乘用车总销量263.1万辆，同比增长14.6%；新能源销量82.7万辆，同比激增72.5%；出口销量129.4万辆，同比增长33.2%，海外营收占比超52%[36] - 奇瑞在电池之夜发布犀牛电池技术，称其可充电8分钟续航500公里，循环寿命达5000次[12][13] - 小米汽车宣布新一代SU7全系内置ETC并免费激活，预售价22.99万-30.99万元，Pro版CLTC续航达902公里[27][28] - 大众汽车公布ID.Cross官方谍照，该车为亲民纯电SUV，欧洲起售价约28000欧元（约22.2万人民币），高配版WLTP续航450km[50][51] - 特斯拉官方宣布Model Y连续三年成为全球最畅销乘用车，全球累计销量超400万辆[43] - 某合资车企被曝调整员工绩效管理办法，参照阿里巴巴实践，每年对绩效末位者强制淘汰率不低于5%，并可能实施降级降薪[21] - 乘联会数据显示，2025年国内汽车厂商销量榜前五中，仅一汽大众一家合资品牌，其余为比亚迪、吉利、长安、奇瑞等国产品牌[22] 科技公司战略与人事 - 百度任命原大模型算法部何径舟担任百度App研发中心组织负责人，以推动大模型与搜索、推荐业务的融合[10] - 网易回应“使用AI清退全部外包”消息不实，称是因项目调整及正常人员汰换，对部分基础技能岗位外包人员进行退场[15][16] - 字节跳动安全团队内部发布《OpenClaw安全规范和使用指引》，并推出ByteClaw服务，以规范员工安全调用内部资源[19] - 阿里巴巴启动2027届实习生招聘，AI相关岗位占比超80%，新增七类AI岗位，包括AI应用研发工程师、AI Agent优化工程师等[37] - 三星电子韩国工会罢工授权投票获93%员工赞成，若协商未果，计划于5月21日起启动为期18天的全面停工，核心诉求为薪资与奖金机制改革[42] - 腾讯公司总裁刘炽平回应美国对其游戏投资的审查，称整体风险相对可控，正与美监管进行建设性沟通[46][47] - 吉利汽车集团CTO表示，吉利和英伟达将围绕智能驾驶、智能座舱、智能制造与研发等领域展开深度合作[48] 芯片与半导体 - 博主爆料某厂（预计为华为）自研CIS（图像传感器）已公开，首颗为50Mp 1/1.3" RYYB DCG HDR传感器，采用国产工艺并实现全栈自研[20] - 蔚来神玑科技与爱芯元智合作的M97芯片成功流片，算力超700 TOPS，正积极接触零跑、吉利等车企，计划今年三季度发布[33] - 三星电子若发生大规模罢工，可能影响全球半导体供应，因其在韩国本土生产100%的DRAM芯片和三分之二的NAND芯片[42] 融资与IPO动态 - 机器人租赁平台擎天租完成天使轮及天使+轮融资，累计金额达亿元级别，演员黄晓明创立的明嘉资本及乐华娱乐CEO杜华参投[30][31] - OpenAI正为最早于2026年第四季度进行IPO做准备，目前正组建财务团队[54] - 斑马智能信息技术股份有限公司向港交所递交上市申请，2025年营收8.61亿元，净亏损18.96亿元，阿里巴巴和上汽集团为控股股东[54][55] - 卓驭科技（原大疆车载）正在进行Pre-IPO轮融资，规模20亿元，投前估值约125亿元，并计划年内在港股上市[55][56] - 通用GPU企业登临科技拟最快今年赴港IPO，预期募资3亿至4亿美元[58] 其他行业趋势 - 润泽园教育在杭州宣布成立国内首家商业哲学院，预计2026年6月揭牌，并发布关于AI的四大判断[24][25] - 前REDMI品牌总经理王腾建议手机厂商暂停发布新机，因内存成本飙升且消费者平均换机周期已达42个月，应注重维护老用户[34][35] - 知名编剧于正回应“男二以下用AI演员”话题，认为真人表演无法被替代，AI技术只会淘汰没有才华的人[38] - 马斯克的X平台宣布，为符合印尼新规，自2026年3月28日起，该国用户必须年满16岁才能创建或使用账户，不符合要求的账户将被停用[48][49]

英伟达GTC 2026核心叙事转变 - 英伟达在GTC 2026上宣布AI正从“模型训练时代”加速迈入“模型推理时代”，整个AI技术栈的组织方式被重新定义 [7] - 叙事重心从“更强的GPU”转向“如何组织算力”，数据中心被重新定义为生产Token的“AI工厂”，衡量标准从单卡性能转向Token产出效率（Tokens/W）[3][4][17] - 公司推出包括Vera Rubin平台、LPX推理机架及Feynman架构在内的新叙事，从单一GPU主导转向多处理器协同的“AI工厂” [3][7] 推理时代硬件架构的演变 - 英伟达承认GPU并非推理最优解，推出专用推理处理器LPU，标志着AI基础设施从通用走向分工 [3][8] - 在Transformer推理中，Prefill、Decode、Orchestration三个阶段开始由不同硬件承担，LPX专门优化Decode阶段 [9] - GPU依然是训练和复杂推理（如视频生成）的最优解，而LPU等专用架构在低延迟、轻算力推理场景显示出优势，未来数据中心将是多元处理器各安其位的图景 [9][12] - 公司推出Vera CPU，其核心是掌握AI工厂内部的算力编排权，而非直接与x86竞争，短期内对x86格局冲击有限 [13] LPU的定位与市场影响 - LPU的推出是英伟达对GPU在推理场景非最优解的承认，但公司仍将LPU与GPU捆绑组合，以维持生态延续 [8] - LPU短期内难以成为主力，其经济性存疑：单芯片集成500MB片上SRAM，而SRAM价格是HBM的6-8倍，会抬高成本，且受工具链融合滞后影响 [10][11] - 头部云厂商的推理需求将坚定走向自研ASIC路线，英伟达的GPU+LPU方案重点客户可能是中小互联网客户 [8] - CPX（负责Prefill阶段）在发布会上未被提及，出乎部分行业人士意料 [12] Token经济与万亿美元营收愿景 - 黄仁勋认为Token已成为AI时代的硬通货，并宣称英伟达的Token成本全球最低 [17] - 公司预测到2027年，仅Blackwell和Vera Rubin两条产品线的AI芯片营收将至少达到1万亿美元，相比去年预测翻倍，原因是“过去两年计算需求增长了一百万倍” [18] - 若叠加CPU、Groq、存储及网络设备，总规模或将达到1.25万亿美元 [18] - 行业竞争的核心正转向Token的生产、计量与分配主导权，如同电力时代的电网，AI时代正围绕Token形成全新产业生态 [20][22] - 推理环节才是算力消耗的主力，需持续生成Token，Token的成本高低直接决定AI的普及程度 [22] 系统级竞争与生态闭环 - 英伟达的竞争护城河正从“算力垄断”转向“生态闭环”，通过绑定上下游构建垂直整合的产业链控制力 [21] - 算力竞争的度量体系正在从芯片峰值参数走向端到端系统能效（Tokens/W），英伟达在系统级优化上具有优势 [19] - 公司正以Vera CPU、Rubin GPU、NVLink 6、Spectrum-X交换机等“全家桶”组合重构系统解决方案，叙事重心从单颗芯片转向系统级交付 [26] - 英伟达尝试构建包括台积电、美光、三星等在内的联盟，以锁定先进封装与存储资源 [26] 互连技术与CPO的挑战 - 英伟达在Vera Rubin平台部署第六代NVLink，并推出全球首个CPO（光电共封装）Spectrum-X以太网交换机，目前已进入量产阶段 [25] - CPO的推广面临挑战：维护便利性及成本较高、核心芯片良率偏低导致系统成本高、在短距离内铜互联比光互联更有优势 [27] - 技术的庞杂产品矩阵与“加法”生态，被部分观点认为是对手（如谷歌简洁ASIC架构）用“减法”定义下一代基础设施时的包袱 [26] - 随着Scaling Law对带宽需求的极致放大，铜与光的界限在发生改变，光互联替代铜互联是明确方向，但尚需时日 [28] 智能体（Agent）与AaaS时代 - 英伟达将OpenClaw定位为定义“智能体计算机”的下一代操作系统，重要性类比Linux之于服务器 [32] - 黄仁勋判断未来绝大多数SaaS都将演变为AaaS（智能体即服务），“你的OpenClaw战略是什么？”将成为科技公司的核心命题 [32] - AI智能体对当前SaaS业态带来冲击，按席位订阅的商业模式逐步失效，企业必须走向AI化，打造和运营自主智能体 [33] - Token分层定价将成为AI时代商业模式的自然演进，实现成本与价值的精准匹配 [33] - OpenClaw是以CPU为主的控制与编排系统，外接GPU推理后端，因此Agent越流行，CPU的总需求就越高 [35] - 未来数据中心的基础设施衡量标准将从比拼“模型能力”转向“同等投资下可支撑的持续在线Agent数量”，推动从单一GPU算力转向GPU+CPU双芯驱动 [35]

文章核心观点 - L4级自动驾驶的本质是冗余保障，而非依靠单一算法系统“赌概率” [1][7][28] - 当前行业普遍采用的L2与L4双线并行发展策略面临巨大挑战，难以持续 [11][36][40] - L4的落地是一个系统性工程，需要结合具体场景、路权、货源及补能体系，而不仅是技术研发 [12][31] - 自动驾驶卡车赛道的最终格局可能以区域性玩家为主，而非出现全国性垄断企业 [46][48] 根据相关目录分别进行总结 01 重新探索一种有助于 L4 落地的组织形式 - 离开智加科技是为了以更独立的身份，探索适合L4技术稳步落地、可持续发展的组织模式与发展路径，认为双线并行策略（L2反哺L4）如同“用自行车产业的收益去支撑航天航空领域的投入”般难以持续 [11] - 理想的L4组织应能对L4进行稳定、持续的投入，并将其定位为最高乃至唯一核心战略，将L4视作道路、货源、车辆、算法、能源等多维度深度融合的系统性生态问题，而非单纯的技术研发 [12] - 未来创业仍选择从物流行业切入，原因包括：行业有刚性定价逻辑会倒逼成本优化；场景对时效、安全的要求可转化为清晰可量化的工程指标；市场是数万亿级超大市场，存在整合机会；并认为自动驾驶公司最终应成为运力服务公司 [13] - 离开后虽有其他公司邀请（如曹旭东），但更倾向于自主创业，以跳出偏技术的视角重新审视行业 [15][16] 02 冗余之于 L4 的重要性 - 行业内普遍存在对“算法溢价”或“算法核心壁垒”的执念，但不同团队的算法性能差异很难构成绝对壁垒，L4背后有大量看似无即时成果但不可或缺的工作 [18] - 至今未能实现“Driver Out”（去掉安全员）的核心症结在于未能构建起真正安全、可靠的冗余系统，应参考航空航天领域的三冗余、四冗余及非相似性冗余设计 [20] - 冗余设计的核心逻辑是“不同的、具备一定可靠性的独立观测源和决策源越多，系统可靠性越高”，但会增加硬件成本，且因其保障了平稳运行而难以被上层感知价值 [21] - 对于低速Robovan，是否需要冗余取决于系统失控的代价与加装冗余成本的权衡，当前行业对L4的思考已从技术探索转向商业成本测算 [22][23] - 在智加曾推进“双变单”（D2S）项目研究，通过多维度生理数据判断辅助驾驶能否降低驾驶员疲劳，研究发现辅助驾驶的MPI（人机交互/接管强度）不能过高，因为长期稳定的系统会导致驾驶员注意力下降，难以在罕见corner case时瞬间安全接管 [24][25][26][27] 03 国内 L4 为什么还未 Driver out （主驾无人常态化）？ - 国内L4领域发展多年，但尚无企业实现常态化的主驾无人运营（Driver out），行业陷入预期与资本信心被透支的窘境，对长周期技术研发的容忍度太低 [30] - 干线运输分为资源性运输（如煤炭、有色金属）和商业化运输（如快递），前者路线固定、时效要求低、风险成本低，更易落地；后者时效要求高（次日达、当日达）、技术难度大、失效风险极高，且编队行驶模式几乎不可能实现 [32] - 破解落地困境的可行路径之一是设立自动驾驶重卡专用道路，实现物理分流，但规模化需要多维度生态协调，路权只是其中一环，当前存在路权政策不明朗与企业无法提供足够运营数据支撑的僵局 [33][34] - 卡尔动力提供了参考范本：与政府深度绑定，聚焦更易落地的资源性运输场景，通过切分场景降低技术难度和风险，从而获得路权支持 [35] 04 “把 L2 和 L4 都做好的公司，凤毛麟角。” - 评价L4公司的技术能力是一个复合性体系，MPI（每干预里程）不是合适的指标，因为它是基于“人介入”的事后补救指标，与L4无人化系统的目标相矛盾 [37] - 真正的L4应是前置性的风险判断，在系统失效前察觉并制止，而非事后补救 [38] - L2与L4双线并行的路不好走，部分公司可能借此进行投机性布局，用L2的营收和数据包装L4故事以获取资本溢价，但两个核心目标在5到10年里均未有效实现，导致融资困难 [40] - 行业仍有人坚持做L4，部分原因是马斯克建立了信心，但其“赌概率”模式（通过优化降低失效概率，而非增加冗余）可能并非科学定义上的L4 [41] - 乘用车到商用车的纯算法、模型技术复制性不低，但商用车团队的核心优势在于对物流场景、运营及客户诉求的深度理解，以及体系化的落地能力和客户关系 [42][43] 05 “可能无法实现全国范围的 L4 无人重卡，最终以区域性玩家为主。” - 无人卡车赛道涌入新玩家，既有积极原因（主营业务扎实，有富余能力拓展），也有消极原因（乘用车市场不确定，为自身“买保险”寻找新增长点）[44] - 判断哪家企业能跑出来，关键看其商业上是否具备更长周期的穿越能力，深向科技（有整车销售业务）、小马智行（有中国外运货源）、卡尔动力（有鄂尔多斯场景）、智加科技（有满帮资源）都因掌握了货源或场景等关键要素而有机会 [45] - 无人卡车作为生产工具，其落地依赖稳定的货源和开放的路权，这两个因素都是区域性的，因此L4无人重卡很可能形成“区域性玩家林立”的格局，难以出现全国性企业 [46] - 在Robotaxi领域，小马智行和百度做得相对不错，但重卡若想通过远程监管实现完全无人运营，需在系统层面（而非仅单车）做冗余，远程操控系统搭建难度极大，存在关键难题 [47][48] - 对新公司的愿景是成为具备“基模”能力的自动驾驶公司，将移动能力打造成像水、电一样的基础服务，并认为物流（运货）与Robotaxi（运人）在“点对点运输”本质上可能实现技术打通与复用 [49][50]

小米汽车 - 小米停售初代SU7，雷军表示此举对前三个月销售有影响，但目的是避免“背刺”老用户[4] - 新一代SU7在安全、动力、底盘等方面全面升级，采用2200MPa超强钢（强度较老款提升10%），气囊增至9个，全系标配V6s Plus超级电机，Pro版续航达902公里[5] - 雷军将小米造车过去两年的历程概括为“跌宕起伏、冰火两重天”，并认为造车是一场马拉松，需稳步前行[4] 华为渠道服事件 - 华为渠道服发生大规模账号封禁事件，涉及《蛋仔派对》等多款游戏，系统误将成年玩家识别为有未成年消费退款记录[9][10] - 故障原因可能为华为渠道的账号验证系统或防沉迷统计接口出现逻辑错误，部分账号在当日中午已恢复[10] - 根据华为应用市场联运服务协议，华为在应用内购买服务中可获得50%的分成，其渠道服因未成年人充值退款难、监管服务等问题备受关注[10] AI行业人才趋势 - 360创始人周鸿祎提出观点，认为随着AI发展，文科生将比理科生更吃香，因其人文社科储备及管理表达能力可解决AI带来的社会问题[12] - 字节跳动、百度等头部AI企业正批量招聘AI训练师、提示词工程师等高薪岗位，对应届生月薪普遍2.5万-3万人民币，资深岗位年薪可达50万+，并优先考虑中文、哲学等专业[13] - 硅谷AI浪潮催生出“首席讲故事官”等新型职业，年薪约30万美元，许多从业者为前资深媒体人[13] 360公司动态 - 360集团创始人周鸿祎宣布启动“360安全龙虾全国巡装计划”，将派出上千名AI龙虾工程师协助安装[15] - 针对“360安全龙虾”被曝私钥泄露一事，公司回应称是发布流程中的配置疏漏，误将内部域名证书打包进安装程序，该证书已第一时间吊销，问题未对用户安全造成实质影响[15] 芯片与自动驾驶行业 - 传闻地平线芯片研发负责人陈鹏即将离职，内部呼声较高的接替人选为副总裁兼首席架构师苏箐[17] - 地平线正面临激烈竞争，其采用第四代BPU“黎曼”架构的征程7系列芯片是关键产品，计划与特斯拉下一代AI5同步推出（预计2026-2027年量产）[17] - 小鹏汽车董事长何小鹏邀请罗永浩体验第二代VLA（视觉激光雷达融合自动驾驶）系统，该系统将于3月19日开启逐步推送，Ultra版本面向L4级能力打造[30][31] 消费电子与平板市场 - 三星将逐步停售其首款三折叠手机Galaxy Z TriFold，该机型上市仅约三个月，曾在中国市场遭抢购并多次售罄[34] - 三星将该产品定位为展示折叠屏技术的“旗舰产品”而非大众市场销售，停售原因可能包括核心组件（如DRAM、NAND闪存）价格上涨导致生产成本过高[35] - 苹果、华为、小米、OPPO、vivo等多家厂商据传正在研发小平板产品，联想拯救者Y700五代屏版将于3月18日发布[19] 互联网大厂AI战略 - 阿里巴巴集团正推进一项内部计划，向员工提供Token额度，鼓励其使用悟空、Qoder系列等付费AI工具工作，相关费用可申请报销[20] - 腾讯QClaw（基于OpenClaw的本地AI助手）将于近期公测，微信入口将全面升级，支持通过微信对话远程操控电脑[29] - 百度内部高度重视OpenClaw，视其为最高层次老板关注的新产品，其百度搜索Skill在OpenClaw官方商店下载量超45000次，稳居全球第一[31][32] 游戏与创业投资 - 前《阴阳师》制作人金韬的创业公司“芥子游戏”估值超过10亿人民币（约1.5亿美元），并获得莉莉丝及前网易副总裁少云旗下基金的投资[23] - 该公司已获得网易《阴阳师》IP授权，正在使用UE5开发新项目，团队规模约60多人，核心班底包括原《阴阳师》成员[23][24] 汽车产业与全球化 - 长城汽车CEO魏建军表示，汽车强国必须实现全球化及产业链出海，反对无底线的价格战，认为长城汽车不会加入此类“内卷”[21] - 自2025年美国加征关税以来，全球汽车行业遭受至少354亿美元直接损失，丰田预计本财年相关成本将达1.45万亿日元（约91亿美元），受影响最为严重[40][41] PC与科技行业裁员 - 戴尔宣布2026财年将裁员约11000人（占员工总数约10%），相关遣散费用为5.69亿美元（约合人民币39.2亿元）[37] - 此次裁员是科技行业持续降本增效趋势的缩影，今年以来已有60家科技公司启动裁员，累计影响超3.8万人，Meta亦计划裁员比例或超20%[37][38] 航天与AI竞争 - 特斯拉CEO埃隆·马斯克表示，未来几年内SpaceX的成就将超过所有AI公司总和，SpaceX已构建“可重复使用火箭+全球卫星互联网+深空探索”的商业闭环[38][39] - SpaceX星链在轨卫星超6000颗，全球付费用户突破1.2亿，商业发射市占率超80%，并正筹备目标估值1.75万亿美元的IPO[39] 半导体与硬件 - 英伟达CEO黄仁勋确认，三星电子负责制造Groq 3 LPU芯片，这是三星在失去英伟达先进制程订单后，再度打入其先进供应链[43] - AMD就驰为笔记本虚标CPU事件（将锐龙5 5500U标为7430U）发表声明，称从未授权或参与此类行为，将保留追究法律责任的权利[40] 企业合作与IPO - 阿里旗下速卖通与YouTube达成重磅合作，成为首个在韩国加入YouTube“购物联盟计划”的中国电商平台，YouTube将成为其全新分销渠道[46][47] - A股上市公司璞泰来（新能源电池材料）、可孚医疗（家用医疗器械）、晨光股份拟分拆子公司科力普科技，均递交招股书拟赴香港上市[49][50][51]

OPPO折叠屏手机发展历程与战略 - 公司自2014年即开始折叠屏技术的预研，由四五人的小团队启动 [5][12][13] - 2021年才发布首款量产折叠屏手机OPPO Find N，相比行业先行者晚了两年 [4] - 截至文章发布，公司在折叠屏领域累计投入研发资金已超过30亿元人民币，沉淀技术专利超3500项，产品完成了五次迭代 [7] 产品迭代与技术突破路径 - 产品迭代遵循“每一代必须解决一个问题”的内部原则 [8] - OPPO Find N5厚度仅为8.93毫米，成为当时全球最轻薄的折叠屏手机 [8][35][37] - 最新产品OPPO Find N6的核心突破点在于解决“折痕”问题，提出“久用平整”的口号 [4][8][35] 研发体系与能力建设 - OPPO Find N3开发过程中暴露了底层能力不足的问题，尤其是对OCA胶等核心材料认知不深 [6][27][29] - 此后公司“痛定思痛”，投入巨大成本进行基础能力建设，并调整组织架构，将高分子材料、屏幕、项目开发等高度耦合的团队统一管理 [7][31][32] - 公司组建了自己的材料团队，与高校及日本、国内公司联合开发，加深对核心材料的认知和控制 [31] 供应链合作与生态构建 - 折叠屏核心供应链包括屏幕、铰链和材料，其中屏幕主要与三星合作，铰链主要与安费诺合作 [19] - 公司认识到终端厂商需主导整合技术，因此决定自行掌握铰链设计能力，方案自主设计后交由供应链伙伴加工 [21][23] - 公司提出“天穹合伙人”概念，指代核心供应链合作伙伴，强调与供应商是深度绑定、共同进步的伙伴关系，而非简单的甲乙方 [47][48][50] 市场判断与未来方向 - 公司认为折叠屏研发虽短期可能不盈利，但能体现品牌科技实力、为用户创造价值并推动公司整体研发能力建设，具有长远价值 [44] - 下一代折叠屏产品的研发将遵循“1+N”策略，在保持已有优势（如轻薄、平整）的基础上打造新的“长板” [55] - 从行业角度看，折痕将是接下来的核心演进方向，随后续航（尤其是支撑AI应用）将成为重点 [57][58]

文章核心观点 家电行业正经历从比拼硬件参数到比拼“感知”与“主动服务”能力的根本性转变，AI技术驱动家电从被动执行工具进化为能感知、理解、预判的智能生活伴侣，同时行业生态也呈现出从封闭走向开放互联的趋势 [2][3][4][26][27] 感官觉醒：从被动执行到主动感知 - 行业竞争焦点从性能参数转向“感知”和“主动”能力，家电开始具备视觉、听觉等感官，能主动服务 [3][4] - 海尔智家推出具备“AI之眼2.0”的Seeker洗空气空调，能视觉锁定人的位置并调整风向，还能“听声识人”响应不同家庭成员需求 [5] - 海尔洗衣机“AI之眼”可识别衣物颜色预警串色，卡萨帝指挥家冰箱能识别食材并自动生成健康食谱 [7] - 格力强调“真AI”，依托自研EAi芯片（累计出货超800万颗）构建全栈能力，其Ai冷静王柜机成为全屋智能的“超级大脑” [7] - 海信AI美食管家作为行业首个美食智能体，结合800+食材保鲜知识库，能通过语音生成个性化保鲜程序 [8] - 追觅为冰箱装上仿生机械臂，通过“手、眼、脑”协同主动扫描食材并生成收纳方案 [9] - 美的集团高管指出，行业正从“人驱动设备”迈向“意图驱动空间” [9] 场景深潜：让科技俯身倾听生活细语 - 技术创新聚焦于解决厨房、阳台、卧室等具体生活场景中的隐形痛点 [11] - 在洗护领域，海信“全家筒·棉花糖U7S”在0.5m³空间集成6大功能，包括集成的3kg洗鞋舱，用3D仿生魔术刷解决洗鞋难题 [12] - TCL AI超级筒洗烘一体机P9 Ultra采用540mm大筒径和6D提升筋，追求“衣物头等舱”体验 [14] - 追觅洗衣机采用超声波技术（每秒4万次振动），通过空化气泡震松污渍，实现更彻底洁净并减少残留 [14] - 在厨房场景，海尔AI多舱魔方冰箱能自动识别食材并语音导航查找，卡萨帝指挥家冰箱推出全球首创AI细胞级解冻技术，将解冻时间缩至5-10分钟，汁液流失率低于0.1% [14] - 追觅冰箱极境Pro系列通过ELE控氧保湿技术，将冷藏抽屉氧气浓度锁定在5%，使绿叶蔬菜30天不黄化，保鲜力达普通冰箱10倍 [15] - 在空气调节场景，TCL小蓝翼P7 Ultra空调通过毫米波雷达感知人体微动判断睡眠深浅，动态调节温度 [15] - 格力新一代AI动态节能技术使其Star5中央空调节能率提升23.5% [16] 生态破壁：从“圈地为王”到“互联共生” - 智能家居长期存在“各自为政”痛点，用户体验割裂，行业生态态度正转向开放互联 [18] - 美的全屋智能总经理指出设备间需互联互通，并发布“三个一”战略及自进化家居智能体MevoX，公司副总裁更呼吁推动国家层面强制性互联互通标准落地 [20][22] - 海尔展示了更开放的姿态，其智慧家庭开放生态允许合作伙伴标准化接入 [22] - 格力试图构建以空调为核心的全屋智能主机生态 [22] - 生态边界被打破，TCL旗下雷鸟创新联合高德地图，让AR眼镜成为智能家居新入口 [22] - 追觅通过签约全球品牌代言人及展出多品类产品矩阵，输出整体生活美学 [22] - 行业正从“生态协同”走向“跨界融合”，“人-车-家-设备-机器人”统一生态正在加速形成 [23] - 行业共识倾向于打破壁垒，但距离真正的“大一统”仍有距离，各企业仍在拓展连接广度 [24]

文章核心观点 - 无人配送行业预计在2026年实现从万台到十万台量级的规模化增长，这将带动激光雷达等核心部件的需求大幅提升 [1][4] - 行业复苏的关键驱动力在于成本下降（通过复用汽车ADAS激光雷达）和商业模式创新（从运营转向车辆销售） [3][27][28] - 禾赛科技作为激光雷达头部供应商，凭借早期布局、产品力、规模化产能和供应链优势，在无人配送领域占据了市场主导地位，并预计2026年在该板块出货数十万颗激光雷达 [2][10][30][44] 行业发展趋势与预测 - **量级增长**：无人配送车辆规模预计从2025年的万台级别，在2026年增长至10万台左右 [4][44] - **核心部件需求**：按每车配备2-3颗激光雷达计算，2026年无人配送行业对激光雷达的整体需求将达到二三十万颗 [44] - **场景与技术趋同**：无人配送车已从封闭园区驶入城市公开道路，需申领测试牌照，其道路环境、技术方案（如激光雷达配置接近乘用车L3级）与乘用车、商用车高度重叠 [4][39][40][41] - **对传统市场的冲击**：十万台乃至几十万台级别的无人配送车增长，在商用车领域占比已非常高，直接冲击传统商用车市场，促使众多商用车企业通过自研、合作或代工方式入局 [7][37] 禾赛科技的竞争策略与优势 - **市场地位与交付**：公司自2020年布局，是无人配送行业激光雷达的最大交付量供应商，与九识、美团、新石器等头部玩家保持核心供应商关系 [2][3][10] - **核心竞争力**：两大核心为自研芯片（带来技术领先和成本优势）和自建工厂（年产能规划达400万台，为全球最大激光雷达工厂） [24][25] - **产品力与可靠性**：强调产品性能、产能稳定性和规模化供应链带来的性价比，并宣称已实现物理层面的零误报和零漏报，该能力在行业内独有 [21][22][23] - **应对竞争**：不主张参与亏本的价格战，认为凭借产品力、产能和体系能力，即使友商低价竞争也难以长期维持并抢走其头部客户 [18][19][20][34] 行业复苏的关键转折点 - **商业模式创新**：九识智能将业务模式从运营转向生产销售无人配送车，改善了行业的盈利模型和商业效率，被视为行业再次火热的重要转折点 [27][28] - **成本突破**：早期制约行业规模化的核心是成本过高，当时机械式激光雷达单颗成本高达数万元，接近整车价格 [3] 后续通过批量复用规模化的汽车ADAS激光雷达，实现了成本大幅下降，为行业规模化找到突破口 [3][30][32] 未来挑战与增长逻辑 - **增长瓶颈**：行业规模化的关键不再是技术场景难度，而是真实的市场需求规模和消费者对无人配送价值的接受度，面临市场教育问题 [4][43][52] - **技术需求统一化**：为降低成本和控制风险，无人配送企业普遍希望复用成熟的乘用车激光雷达产业链，而非专门开发新产品，这导致雷达方案选型趋向统一 [45] - **竞争格局**：当前行业呈现“两超多强”态势，头部创业公司为九识与新石器，互联网体系内有京东、美团及整合了阿里业务的菜鸟，此外还有新入局的商用车主机厂等玩家 [49] 但行业仍处早期，格局未定，新玩家仍有机会 [50][51]